CN104517161A - 虚拟发电厂的分布式电源组合规划系统和方法 - Google Patents

Abstract

本发明公开了一种虚拟发电厂的分布式电源组合规划系统和方法，根据分布式电源输出功率的特点，根据不可控分布式电源的历史输出功率得到不可控分布式电源输出功率区间集合，并在规划调度周期内以组合分布式电源预测输出功率与虚拟发电厂期望容量偏差最小为目标，建立虚拟发电厂分布式电源组合优化模型，求解优化模型获得分布式电源的最优组合方案。本发明通过建立虚拟发电厂可灵活高效的集成分布式电源，解决分布式电源大规模接入电网问题，通过合理选择分布式电源类型和容量，可有效解决分布式电源输出功率不确定性所带来的供电可靠性等问题，提高分布式电源利用率。

Description

虚拟发电厂的分布式电源组合规划系统和方法

技术领域

本发明属于分布式电源优化规划技术领域，尤其涉及一种虚拟发电厂的分布式电源组合规划系统和方法。

背景技术

分布式电源是指发电功率在几千瓦至数百兆瓦的小型、分散式且布置在用户附近的高效、可靠的发电单元，主要类型有风力发电、光伏发电、燃气轮机和燃料电池等。分布式发电具有集中式发电无可比拟的优势,可作为集中式供电的有益补充，但和传统电源相比,分布式电源有很多特殊性,如波动性，分散性，不可控性等。如何减少分布式电源对电网的不利影响而发挥其最大优势,是需要迫切解决的问题。

虚拟发电厂把多个分散的分布式电源、储能装置和负荷集成起来，虚拟成一个独立的发电个体，具有传统发电厂一样的可控性，可向电网提交发电计划和负荷需求。虚拟发电厂拥有大量小规模的分布式电源可促进系统分散管理，是实现成本高效的集成分布式电源的有效解决方案。虚拟发电厂可提供分布式电源的可见性及可控制性，成为将有效集成的分布式电源传递到现存电力系统中的主要工具。

然而由于分布式电源输出功率的不确定性，虚拟发电厂的供电可靠性很低，加大了分布式电源大规模接入电网的困难，最终导致分布式电源不能被有效利用。如何选取不同类型、不同容量的分布式电源组合作为虚拟发电厂的发电单元，以实时满足虚拟发电厂供用电需求，是虚拟发电厂规划的重要组成部分，但目前有关虚拟发电厂分布式电源的组合规划尚未形成系统研究。

发明内容

有鉴于此，为了解决因分布式电源输出功率不确定性所带来的虚拟发电厂的供电可靠性低的问题，本发明提供了一种虚拟发电厂的分布式电源组合规划系统和方法，通过整合电网中地域分散的、不同类型的、不同容量的分布式电源，可控负荷及储能装置形成虚拟发电厂，在规划调度周期内以组合分布式电源预测输出功率与虚拟发电厂期望容量偏差最小为目标，建立虚拟发电厂的分布式电源组合优化模型，实现最优规划，达到充分提高分布式电源利用率及供电可靠性的效果。

为了解决虚拟发电厂供电可靠性低的问题，本发明提供的虚拟发电厂的分布式电源组合规划系统，包括：

数据采集模块，用于采集不可控分布式电源的历史输出功率，可控分布式电源的输出功率储能装置的容量范围SOC，蓄电池的充电功率蓄电池的放电功率蓄电池的充电效率和蓄电池的放电效率

不可控分布式电源输出功率预测模块，用于对所述不可控分布式电源的历史输出功率进行区间二型模糊预测，获取不可控分布式电源输出功率预测值的取值区间；

电源组合优化模块，用于以所述不可控分布式电源的输出功率预测值储能装置的容量范围SOC以及可控分布式电源的输出功率各自的限制条件为约束条件，组合分布式电源的输出功率与虚拟发电厂的容量期望值P_E的偏差Δ为目标函数构造优化模型，求解该优化模型得到最优电源组合方式C_l；

虚拟发电厂调度模块，用于根据得到的所述最优电源组合方式C_l对区域内的分布式电源进行组合调度形成虚拟发电厂。

作为系统的进一步改进，所述输出功率预测模块包括：

模糊器，用于选取均方差不确定的高斯函数，确定区间二型模糊集合的上、下隶属度函数，将所述不可控分布式电源的历史输出功率转化为模糊输入集；

规则库，用于确定所述不可控分布式电源的历史输出功率、规则前件集合、规则输出和后件集合的规则形式；

推理机，用于利用所述不可控分布式电源的历史输出功率和规则前件集合产生激活集合，再由所述激活集合的上、下隶属度函数与后件集合的上、下隶属度函数来计算各规则输出集合；

降型器，用于将各规则的输出集合用质心来代替，然后求质心的加权平均值，最终得到的质心区间则为不可控分布式电源输出功率预测值的取值区间。

为了解决虚拟发电厂供电可靠性低的问题，本发明还提供了一种虚拟发电厂的分布式电源组合规划方法，包括步骤：

采集不可控分布式电源的历史输出功率，t时刻可控分布式电源的输出功率储能装置的容量范围SOC和蓄电池的充电功率蓄电池的放电功率蓄电池的充电效率和蓄电池的放电效率

对所述不可控分布式电源的历史输出功率进行区间二型模糊预测，获取不可控分布式电源输出功率预测值的取值区间；

以所述不可控分布式电源的输出功率预测值储能装置的容量范围SOC以及可控分布式电源的输出功率的限制条件为约束条件，组分布式电源的合输出功率与虚拟发电厂的容量期望值的偏差Δ为目标函数构造优化模型，求解该优化模型得到最优电源组合方式C_l；

根据得到的所述最优电源组合方式C_l对区域内的分布式电源进行组合调度形成虚拟发电厂。

作为虚拟发电厂的分布式电源组合规划方法的进一步改进，构造的优化模型为：

目标函数：

$\mathrm{\Δ}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{((\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{{\tilde{P}}_i}^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t)-P_E)}^2$

约束条件：

$\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{{\tilde{P}}_i}^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t+P_{\mathrm{BT}\_\mathrm{disch}}^t\·{\mathrm{\η}}_{\mathrm{BT}}^{\mathrm{disch}}-P_d^t=P_{\mathrm{plan}}^t$

$\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{{\tilde{P}}_i}^t+\underset{j=1}{\overset{n_j}{\mathrm{\Σ}}}{u}_j{P}_j^t+P_{\mathrm{BT}\_\mathrm{ch}}^t\·{\mathrm{\η}}_{\mathrm{BT}}^{\mathrm{ch}}-P_d^t=P_{\mathrm{plan}}^t$

$P_j^{\min }\≤P_j^t\≤P_j^{\max }$

$P_{\mathrm{BT}\_\mathrm{ch}}^{\min }\≤P_{\mathrm{BT}\_\mathrm{ch}}^t\≤P_{\mathrm{BT}\_\mathrm{ch}}^{\max }$

$P_{\mathrm{BT}\_\mathrm{disch}}^{\min }\≤P_{\mathrm{BT}\_\mathrm{disch}}^t\≤P_{\mathrm{BT}\_\mathrm{disch}}^{\max }$

SOC_min≤SOC^t≤SOC_max

$\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j\≥1$

其中，P_E为虚拟发电厂容量期望值，Δ为组合电源的输出功率与虚拟发电厂容量期望值P_E的偏差，T为调度周期，i为不可控分布式电源类型编号，N_i为不可控分布式电源个数，j为可控分布式电源类型编号，N_j为可控分布式电源个数，u_i,u_j为分布式电源i,j组合状态，且u_i,u_j∈{0,1}，1表示调度对应的分布式电源进行组合，0表示不调度对应的分布式电源进行组合，为t时刻分布式电源i、j预测输出功率， 分别表示t时刻蓄电池的充、放电功率；为蓄电池的充、放电效率，为t时刻虚拟发电厂负荷需求，蓄电池最小充、放电功率， 为蓄电池最大充、放电功率，SOC^t为蓄电池t时刻的存储容量，SOC_min为蓄电池存储容量最小值，SOC_max为蓄电池存储容量最大值。

作为本方法的进一步改进，所述求解优化方程的方法为遗传算法。

作为本方法的进一步改进，所述获取不可控分布式电源输出功率预测值的取值区间步骤为：

选取均方差不确定的高斯函数，确定区间二型模糊集合的上、下隶属度函数，用于将所述不可控分布式电源的历史输出功率转化为模糊输入集；

确定所述不可控分布式电源的历史输出功率、规则前件集合、规则输出和后件集合的规则形式；

利用所述不可控分布式电源的历史输出功率和规则前件集合产生激活集合，再由所述激活集合的上、下隶属度函数与后件集合的上、下隶属度函数来计算各规则输出集合；

采用中心集降型方法将各规则的输出集合用质心来代替，然后求质心的加权平均值，最终得到的质心区间则为不可控分布式电源输出功率预测值的取值区间。

与现有技术相比，本发明的有益效果在于：根据分布式电源发电特点，事先预测获得不可控分布式电源输出功率区间集合，合理选择分布式电源类型和容量，可有效解决不可控分布式电源输出功率波动性、不确定性所带来的供电可靠性问题，提高分布式电源利用率；通过建立虚拟发电厂，可灵活高效的集成分布式电源，解决了分布式电源大规模接入电网问题。

附图说明

图1是本发明实施例提供的虚拟发电厂的电源组合规划系统结构图；

图2是本发明实施例提供的虚拟发电厂的电源组合规划方法流程图。

具体实施方式

下面结合实施例对本发明作更进一步的说明。

虚拟发电厂是由能量管理系统监督和控制的小型和超小型分布式电源、可控负荷以及能量储备的集合。分布式电源不受地域限制，容量规模可大可小，可分散在中压配电网的不同节点处，可为风力、光伏等不可控分布式电源，也可为微型燃气轮机、小型柴油机、燃料电池等可控分布式电源。图1中，虚拟发电厂的分布式电源组合规划系统包括：数据采集模块、不可控分布式电源输出功率预测模块、电源组合优化模块以及虚拟发电厂调度模块，不可控分布式电源输出功率预测模块包括模糊器、规则库、推理机、降型器。

数据采集模块用于采集不可控分布式电源的历史输出功率P_i ^t，P_i ^t包括：t1、t2、t3，3个时刻的历史风力或光伏输出功率，微型燃气轮机、小型柴油机、燃料电池等可控分布式电源输出功率储能装置的容量范围SOC和蓄电池的充、放电功率 蓄电池的充、放电效率输出功率预测模块用于对所述不可控分布式电源的历史输出功率进行区间二型模糊预测，获取不可控分布式电源输出功率预测值的取值区间；电源组合优化模块根据不可控分布式电源输出功率的预测值储能装置的容量范围SOC以及可控分布式电源的输出功率与虚拟发电厂的容量期望值P_E得到最优电源组合方式C_l；虚拟发电厂调度模块根据得到的最优电源组合方式C_l对区域内的分布式电源进行组合调度形成虚拟发电厂。

虚拟发电厂的电源组合规划方法，如图2所示，包括步骤：

1)采集不可控分布式电源的历史输出功率P_i ^t，P_i ^t包括：t1、t2、t3，3个时刻的历史风力或光伏输出功率，t时刻微型燃气轮机、小型柴油机、燃料电池等可控分布式电源输出功率储能装置的容量范围SOC和蓄电池的充、放电功率蓄电池的充、放电效

2)将采集到的不可控分布式电源的历史输出功率P_i ^t作为输出功率预测模块的输入量，通过模糊器将输入的精确值转化为模糊输入集，在规则库的作用下经模糊推理将模糊输入集转化为模糊输出集，再经降型器将模糊输出集转化为风力、光伏输出功率的区间集合

其具体预测过程如下：

21)设计模糊器：区间二型模糊集合的主隶属函数选取均方差不确定的高斯函数，上、下隶属度函数如下式所示。设该模型有3个输入、1个输出，即用t1，t2，t3，3个时刻的历史风力或光伏输出功率预测t时刻风力或光伏的输出功率。

${\stackrel{\‾}{u}}_{p_{\mathrm{ij}}}\left(p_{\mathrm{ik}}\right)=\exp [\frac{1}{2}\left(\frac{p_{\mathrm{ik}}-p_{\mathrm{ik}}^k}{{\stackrel{\‾}{\mathrm{\σ}}}_{\mathrm{ik}}}\right)^2]$

${\underset{\‾}{u}}_{p_{\mathrm{ik}}}\left(p_{\mathrm{ik}}\right)=\exp [\frac{1}{2}\left(\frac{p_{\mathrm{ik}}-p_{\mathrm{ik}}^k}{{\underset{\‾}{\mathrm{\σ}}}_{\mathrm{ik}}}\right)^2]$

其中，是第i个风力或光伏分布式电源k时刻历史输出功率输入精确值，[σ _ik，]是均方差变化范围。

22)构造规则库：区间二型模糊的规则采用“IF-THEN”的形式，采用Mamdani型，所述的规则形式为：

l＝1,2…M,M是规则总数。

23)构造推理机：区间二型模糊的推理由输入和规则前件产生激活集合，再由激活集合与后件集合来计算输出，参与计算的是各集合的上、下隶属度函数。所述的输出形式为：

$u_{{\tilde{G}}^l}\left({p^t}_i\right)={\∫}_{b^l\∈[{\underset{\‾}{f}}^l*{\underset{\‾}{u}}_{{\tilde{G}}^l}\left({p^t}_i\right),{\stackrel{\‾}{f}}^l*{\stackrel{\‾}{u}}_{{\tilde{G}}^l}\left(p_{\mathrm{ti}}\right)]}\frac{1}{b^l}{p^t}_i\∈{P^t}_i$

其中：*是t-范数，取最小算子，分别是后件集合的上、下隶属度函数， f ^l分别是激活集合的上、下隶属度函数。

24)由过程22)和23)得到此多输入单输出多条模糊规则系统的推理模型为：

大前提1(规则1)：if p_it1isand p_it2isand p_it3isthenis

大前提2(规则2)：if p_it1isand p_it2isand p_it3isthenis

………

取p_it1,p_it2,p_it3分别为第i个风力或光伏分布式电源在t1，t2，t3时刻输出功率，为第i个风力或光伏分布式电源t时刻输出功率，分别为第i个风力或光伏分布式电源在t1，t2，t3时刻输出功率集合，为t时刻输出功率集合。均为区间二型模糊集合，其中由于采用中心集降型法选为用质心所表示的区间集合，则的表达式为：

$p_i^{\mathrm{tl}}=[{\underset{\‾}{p_i^t}}^l,{\stackrel{\‾}{p_i^t}}^l]$

具体推理过程如下：

①计算适配度：把事实与模糊规则的前件进行比较，分别求出事实对第i个风力或光伏分布式电源t1，t2，t3，3个时刻历史输出功率前件隶属度函数的适配度。

②求激励强度：用模糊与、或算子，把规则中第i个风力或光伏分布式电源t1，t2，t3，3个时刻历史输出功率前件隶属函数的适配度合并，求得激励强度。

③求有效的后件隶属度函数：用激励强度去切割相应规则的t时刻输出功率隶属度函数，获得有效的t时刻输出功率隶属度函数。

④计算总的输出隶属度函数：将所有的有效t时刻输出功率隶属度函数进行综合，求t时刻输出功率的总输出隶属度函数。

25)设计降型器：采用中心集降型方法，将各规则t时刻输出功率集合用质心来代替，然后求质心的加权平均值，最终得到质心区间。计算中采用K-M迭代过程来计算，具体表达式为：

${\tilde{P}}_i^t=[\underset{\‾}{{p^t}_i},\stackrel{\‾}{{p^t}_i}]=[\frac{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\stackrel{\‾}{f}}^l\underset{\‾}{{{p^t}_i}^l}+\underset{l=L+1}{\overset{M}{\mathrm{\Σ}}}\underset{\‾}{f^l}\underset{\‾}{{{p^t}_i}^l}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\stackrel{\‾}{f}}^l+\underset{l=L+1}{\overset{M}{\mathrm{\Σ}}}\underset{\‾}{f^l}},\frac{\underset{l=1}{\overset{R}{\mathrm{\Σ}}}\underset{\‾}{f^l}{\stackrel{\‾}{p}}_i^{\mathrm{tl}}+\underset{l=L+1}{\overset{M}{\mathrm{\Σ}}}{\stackrel{\‾}{f}}^l{\stackrel{\‾}{p}}_i^{\mathrm{tl}}}{\underset{l=1}{\overset{R}{\mathrm{\Σ}}}\underset{\‾}{f^l}+\underset{l=R+1}{\overset{M}{\mathrm{\Σ}}}{\stackrel{\‾}{f}}^l}]$

式中：分别是各规则t时刻输出功率集合质心的上、下界，f ^l、分别是激活集合的上、下界，L、R是阈值。

经过上述预测过程，即可得第i个风力或光伏分布式电源t时刻的预测输出功率为

3)根据不可控分布式电源的输出功率预测值、储能装置的容量范围以及可控分布式电源的输出功率上下限得到最优电源组合方式，具体步骤如下：

确定区域内的可控负荷与储能装置，根据该区域内可控负荷的大小，评估虚拟发电厂期望容量值P_E；

以组合分布式电源预测输出功率与虚拟发电厂期望容量偏差最小为目标，以虚拟发电厂功率平衡约束，可控分布式电源发电上下限约束、储能单元充放电约束等为约束条件建立虚拟发电厂分布式电源组合优化模型，具体步骤如下：

为了使得虚拟发电厂的输出功率稳定，则电源组合方式应该满足输出功率与虚拟发电厂的容量期望值P_E最接近，因此以组合电源的输出功率与虚拟发电厂容量期望值P_E的偏差Δ为目标函数，表达式为：

$\mathrm{\Δ}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{((\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{{\tilde{P}}_i}^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t)-P_E)}^2$

其中，T为调度周期；i为不可控分布式电源(风力、光伏发电单元)类型编号，N_i为不可控分布式电源个数；j为可控分布式电源(微型燃气轮机、小型柴油机、燃料电池等)类型编号，N_j为可控分布式电源个数；u_i,u_j为分布式电源i,j组合状态，且u_i,u_j∈{0,1}，1表示调度对应的分布式电源进行组合，0表示不调度对应的分布式电源进行组合；t时刻不可控分布式电源i预测输出功率，且其中分别为不可控可控分布式电源预测输出功率区间的上下界；P_E为虚拟发电厂容量期望值。

考虑到虚拟发电厂功率平衡约束，分布式电源出力上下限约束，储能单元充放电约束等约束条件后，建立虚拟发电厂分布式电源组合优化模型，实现最优组合规划。约束条件有：

由于电力系统内的电能必须时时处于平衡状态，虚拟发电厂内的电能也应维持平衡状态，若输出功率大于用电功率则造成电能的浪费，若输出功率小于用电功率则不能满足用户需求，严重时对正常生产生活也会造成不良影响，则功率平衡约束的表达式为：

$\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{{\tilde{P}}_i}^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t+P_{\mathrm{BT}\_\mathrm{disch}}^t\·{\mathrm{\η}}_{\mathrm{BT}}^{\mathrm{disch}}-P_d^t=P_{\mathrm{plan}}^t$

$\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{{\tilde{P}}_i}^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t+P_{\mathrm{BT}\_\mathrm{ch}}^t\·{\mathrm{\η}}_{\mathrm{BT}}^{\mathrm{ch}}-P_d^t=P_{\mathrm{plan}}^t$

其中，u_i、u_j、如前所述；别表示t时刻蓄电池的充、放电功率；为蓄电池的充、放电效率；为t时刻虚拟发电厂负荷需求，为虚拟发电厂向电网提交的发电计划。

微型燃气轮机、小型柴油机、燃料电池等可控分布式电源输出功率均存在上下限，若超出上下限范围则可能会缩短分布式电源的使用寿命，无法满足发电要求，则可控分布式电源输出功率上下限约束：

$P_j^{\min }\≤P_j^t\≤P_j^{\max }$

其中，表示可控分布式电源最小输出功率，表示可控分布式电源最大输出功率。

为延长蓄电池的使用寿命，减少充放电次数，其在使用过程中需满足一定的存储容量约束、充放电功率约束等，则蓄电池充放电功率上、下限约束表达式为：

$P_{\mathrm{BT}\_\mathrm{ch}}^{\min }\≤P_{\mathrm{BT}\_\mathrm{ch}}^t\≤P_{\mathrm{BT}\_\mathrm{ch}}^{\max }$

$P_{\mathrm{BT}\_\mathrm{disch}}^{\min }\≤P_{\mathrm{BT}\_\mathrm{disch}}^t\≤P_{\mathrm{BT}\_\mathrm{disch}}^{\max }$

SOC_min≤SOC^t≤SOC_max

其中，为蓄电池t时刻充、放电功率；为蓄电池最小充、放电功率；为蓄电池最大充、放电功率；SOC^t为蓄电池t时刻的存储容量，SOC_min为蓄电池存储容量最小值，SOC_max为蓄电池存储容量最大值。

为提高供电可靠性，选择组合分布式电源类型时应至少包含一种可控分布式电源，则满足如下条件：

$\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j\≥1$

采用遗传算法求解所建立的虚拟发电厂分布式电源组合优化模型，求解获得分布式电源的组合类型和组合容量，具体步骤如下：

A、设置种群个体数N、迭代次数M、交叉率P,(P∈[0,1])、变异率Q,(Q∈[0,1])，输入t时刻虚拟发电厂分布式电源的输出功率可控负荷蓄电池充放电状态等信息，种群个数根据区域内的分布式电源个数来确定，本实施例中不可控分布式电源个数为N_i，可控分布式电源个数为N_j，则可能的组合方式有种，故个体数为 $N=N_i^2{N}_j{(N_j-1)}^2;$

B、对以上信息进行二进制编码，并产生初始种群C₀，C₀中个体的染色体编码为输入信息的0、1序列；

C、评价当前种群：检测种群的个体适应度，找出最好和最差的个体；

D、采用适应度函数比例法对种群进行选择操作：该方法利用比例于各个个体适应度函数的概率来决定后代遗传的可能性，将概率值大的个体选出放入交配池遗传给后代，概率值小的个体被淘汰，其中交配池是用于繁殖后代的双亲个体源；

E、采用单点交叉法对种群进行交叉操作：以P的交叉率对同一种群的两个染色体进行重新组合，生成新的个体；

F、对种群进行变异操作：以Q的变异率从种群中随机选取若干个体，对选中的个体随机选取染色体的某一位或多位进行编码翻转；

G、当前种群经过D、E、F完成一次种群更新，产生新一代种群，判断是否达到迭代上限M，若未达到则返回C，若达到则进行H；

H、对种群进行解码，将二进制序列转化为十进制值，获得虚拟发电厂分布式电源的最优组合方案C_l。

4)按照得到的最优电源组合方式C_l对区域内的分布式电源进行组合调度形成虚拟发电厂，按照C_l中分布式电源i,j组合状态u_i,u_j对应的取值0、1对分布式电源进行调度，1表示调度对应的分布式电源进行组合，0表示不调度对应的分布式电源进行组合。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (10)

1.一种虚拟发电厂的分布式电源组合规划系统，其特征在于，包括：

数据采集模块，用于采集不可控分布式电源的历史输出功率，可控分布式电源的输出功率储能装置的容量范围SOC，蓄电池的充电功率蓄电池的放电功率蓄电池的充电效率和蓄电池的放电效率

不可控分布式电源输出功率预测模块，用于对所述不可控分布式电源的历史输出功率进行区间二型模糊预测，获取不可控分布式电源输出功率预测值的取值区间；

电源组合优化模块，用于以所述不可控分布式电源的输出功率预测值储能装置的容量范围SOC以及可控分布式电源的输出功率各自的限制条件为约束条件，分布式电源的组合输出功率与虚拟发电厂的容量期望值P_E的偏差Δ为目标函数构造优化模型，求解该优化模型得到最优电源组合方式C_l；

虚拟发电厂调度模块，用于根据得到的所述最优电源组合方式C_l对区域内的分布式电源进行组合调度形成虚拟发电厂。

2.如权利要求1所述的虚拟发电厂的分布式电源组合规划系统，其特征在于，所述不可控分布式电源输出功率预测模块包括：

模糊器，用于选取均方差不确定的高斯函数，确定区间二型模糊集合的上、下隶属度函数，将所述不可控分布式电源的历史输出功率转化为模糊输入集；

规则库，用于确定所述不可控分布式电源的历史输出功率、规则前件集合、规则输出和后件集合的规则形式；

推理机，用于利用所述不可控分布式电源的历史输出功率和规则前件集合产生激活集合，再由所述激活集合的上、下隶属度函数与后件集合的上、下隶属度函数来计算各规则输出集合；

降型器，用于将各规则的输出集合用质心来代替，然后求质心的加权平均值，最终得到的质心区间则为不可控分布式电源输出功率预测值的取值区间。

3.如权利要求1或2所述的虚拟发电厂的分布式电源组合规划系统，其特征在于，所述不可控分布式电源为风电场或光伏电站。

4.如权利要求1或2所述的虚拟发电厂的分布式电源组合规划系统，其特征在于，所述可控分布式电源为微型燃气轮机、小型柴油机或燃料电池。

5.一种虚拟发电厂的分布式电源组合规划方法，其特征在于，包括步骤：

采集不可控分布式电源的历史输出功率，t时刻可控分布式电源的输出功率储能装置的容量范围SOC和蓄电池的充电功率蓄电池的放电功率蓄电池的充电效率和蓄电池的放电效率

对所述不可控分布式电源的历史输出功率进行区间二型模糊预测，获取不可控分布式电源输出功率预测值的取值区间；

以所述不可控分布式电源的输出功率预测值储能装置的容量范围SOC以及可控分布式电源的输出功率的限制条件为约束条件，分布式电源的组合输出功率与虚拟发电厂的容量期望值的偏差Δ为目标函数构造优化模型，求解该优化模型得到最优电源组合方式C_l；

根据得到的所述最优电源组合方式C_l对区域内的分布式电源进行组合调度形成虚拟发电厂。

6.如权利要求5所述的虚拟发电厂的分布式电源组合规划方法，其特征在于，所述构造的优化模型为：

目标函数：

$\mathrm{\Δ}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{((\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{\tilde{P}}_i^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t)-P_E)}^2$

约束条件：

$\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{\tilde{P}}_i^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t+P_{\mathrm{BT}\_\mathrm{disch}}^t\·{\mathrm{\η}}_{\mathrm{BT}}^{\mathrm{disch}}-P_d^t=P_{\mathrm{plan}}^t$

$\underset{i=1}{\overset{N_i}{\mathrm{\Σ}}}{u}_i{\tilde{P}}_i^t+\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j{P}_j^t+P_{\mathrm{BT}\_\mathrm{ch}}^t\·{\mathrm{\η}}_{\mathrm{BT}}^{\mathrm{ch}}-P_d^t=P_{\mathrm{plan}}^t$

$P_j^{\min }\≤P_j^t\≤P_j^{\max }$

$P_{\mathrm{BT}\_\mathrm{ch}}^{\min }\≤P_{\mathrm{BT}\_\mathrm{ch}}^t\≤P_{\mathrm{BT}\_\mathrm{ch}}^{\max }$

$P_{\mathrm{BT}\_\mathrm{disch}}^{\min }\≤P_{\mathrm{BT}\_\mathrm{disch}}^t\≤P_{\mathrm{BT}\_\mathrm{disch}}^{\max }$

SOC_min≤SOC^t≤SOC_max

$\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}{u}_j\≥1$

其中，P_E为虚拟发电厂容量期望值，Δ为组合电源的输出功率与虚拟发电厂容量期望值P_E的偏差，T为调度周期，i为不可控分布式电源类型编号，N_i为不可控分布式电源个数，j为可控分布式电源类型编号，N_j为可控分布式电源个数，u_i,u_j为分布式电源i,j组合状态，且u_i,u_j∈{0,1}，1表示调度对应的分布式电源进行组合，0表示不调度对应的分布式电源进行组合，为t时刻分布式电源i、j预测输出功率， 分别表示t时刻蓄电池的充、放电功率；为蓄电池的充、放电效率，为t时刻虚拟发电厂负荷需求，为蓄电池最小充、放电功率， 为蓄电池最大充、放电功率，SOC^t为蓄电池t时刻的存储容量，SOC_min为蓄电池存储容量最小值，SOC_max为蓄电池存储容量最大值。

7.如权利要求6所述的虚拟发电厂的分布式电源组合规划方法，其特征在于，所述求解优化方程的方法为遗传算法。

8.如权利要求5所述的虚拟发电厂的分布式电源组合规划方法，其特征在于，所述获取不可控分布式电源输出功率预测值的取值区间步骤为：

选取均方差不确定的高斯函数，确定区间二型模糊集合的上、下隶属度函数，将所述不可控分布式电源的历史输出功率转化为模糊输入集；

确定所述不可控分布式电源的历史输出功率、规则前件集合、规则输出和后件集合的规则形式；

利用所述不可控分布式电源的历史输出功率和规则前件集合产生激活集合，再由所述激活集合的上、下隶属度函数与后件集合的上、下隶属度函数来计算各规则输出集合；

采用中心集降型方法将各规则的输出集合用质心来代替，然后求质心的加权平均值，最终得到的质心区间则为不可控分布式电源输出功率预测值的取值区间。

9.如权利要求5至8中任意一项所述的虚拟发电厂的分布式电源组合规划方法，其特征在于，所述不可控分布式电源为风电场或光伏电站。

10.如权利要求5至8中任意一项所述的虚拟发电厂的分布式电源组合规划方法，其特征在于，所述可控分布式电源为微型燃气轮机、小型柴油机或燃料电池。